Kas ir naivais Bayesa klasifikators?

Naivais Bayes klasifikators ir vienkāršs probabilistiskais klasifikators, kas balstīts uz Bayesa teoremas piemērošanu un pieņēmumu, ka raksturlielumi ir neatkarīgi viens no otra.

Ideja:

• Aprēķina varbūtību, ka objekts pieder pie klases, ņemot vērā raksturlielumu vērtības.
• Pieņem, ka visi raksturlielumi ir neatkarīgi, kas vienkāršo aprēķinus.

Piemērs: e-pasta klasifikācija kā surogātpasts vai ne, balstoties uz teksta vārdiem.

Priekšrocības:

• Ātrs un viegli īstenojams.
• Labi darbojas ar lieliem datu kopumiem.

Ierobežojumi:

• Pieņēmums par raksturlielumu neatkarību bieži netiek izpildīts, kas var samazināt precizitāti.

Python ar sklearn piemērs:

from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer

texts = ["surogātpasta ziņa", "būtiska tikšanās", "pirkt tagad", "projekta atjauninājums"]
labels = [1, 0, 1, 0]  # 1 - surogātpasts, 0 - ne

vectorizer = CountVectorizer()
X = vectorizer.fit_transform(texts)

modelis = MultinomialNB()
modelis.fit(X, labels)

jauns_texts = ["pirkt tikšanos"]
X_new = vectorizer.transform(jauns_texts)
prognoze = modelis.predict(X_new)
print(prognoze)  # Parādīs [1] - surogātpasts